基于卷积网络并利用上下文信息的中微子事件粒子识别
仪器与探测器
2019-10-23 v1 高能物理 - 实验
数据分析、统计与概率
摘要
粒子探测器记录亚原子粒子的相互作用及其在物质中的穿行。对这些粒子的识别是深入物理分析所必需的。虽然粒子在穿过物质时可通过其个体行为被识别，但其产生所在相互作用的完整上下文可大幅辅助分类任务。我们开发了首个利用上下文信息进行粒子识别的卷积神经网络。这也是首个采用四塔连体（siamese）型架构的实现，既用于分离独立输入，又用于纳入上下文信息。该网络将来自 NOvA 中微子探测器的能量沉积簇分类为电子、缪子、光子、介子与质子，总体效率与纯度分别为 83.3% 与 83.5%。我们通过与在无上下文信息下训练的网络进行比较，表明向网络提供上下文信息可提升性能。
引用
@article{arxiv.1906.00713,
title = {Context-Enriched Identification of Particles with a Convolutional Network for Neutrino Events},
author = {F. Psihas and E. Niner and M. Groh and R. Murphy and A. Aurisano and A. Himmel and K. Lang and M. D. Messier and A. Radovic and A. Sousa},
journal= {arXiv preprint arXiv:1906.00713},
year = {2019}
}